1.问题描述:
通过将kinect深度图像采集传感器安装在移动机器人上对未知室内环境进行三维探索和平面地图创建,通过装载kinect深度图采集传感器的移动机器人采集环境的彩色信息和深度信息,通过模拟激光扫描方法获得对应的点云数据,然后通过SIFT算法进行特征点的提取,并对相邻两帧进行匹配,然后通过GTM算法剔除错误的匹配点,最后通过SLAM算法构建空间的二维平面地图。
目前SLAM方法大致可分为两类:一类为基于概率模型的方法,另一类为非概率模型方法。许多基于卡尔曼滤波的SLAM方法如完全SLAM、压缩滤波、FastSLAM就属于概率模型方法。非概率模型方法有SM-SLAM、扫描匹配、数据融合(data association)、基于模糊逻辑等。
1 基于卡尔曼滤波器的实现方法
从统计学的观点看,SLAM 是一个滤波问题,也就是根据系统的初始状态和从0到t时刻的观测信息与控制信息(里程计的读数) 估计系统的当前状态。在SLAM中,系统的状态xt &#